无监督学习不是算法问题，是数据问题

裁掉三千标注员之后的争议

之前大模型圈卷什么？卷标注量。你标一千万token，我就标一个亿，你找博士标专业语料，我就拉一万人的众包团队刷量。 所有人都默认一个规则：标注数据越多，模型效果越好，融资估值越高。

说实话，这个游戏玩到最后，已经变味了。我之前帮一家AI创业公司算过账，标注一块中文语料，行业均价是每千token三块钱。一个十亿token的微调数据集，总成本就是三百万。 三百万是什么概念？相当于武汉东湖高新区一套120平的核心地段大平层。够夸张吧？

更吓人的是，千亿参数大模型的整个项目里，标注成本能占到总投入的60%，比训练用的GPU电费还贵两倍。 堆成本堆到这个份上，谁都卷不动了。所以这次头部厂砍标注团队，说接下来全部预训练都转无监督学习，圈内直接炸了。

老派专家说这是瞎搞，没有标注数据模型能学到什么？年轻的算法工程师偷偷叫好，说终于有人敢捅破这层窗户纸了。 什么是无监督学习？说白了，就是不用人给数据贴标签、画框框，让模型自己从海量原始的、乱糟糟的未标注数据里找规律。 你给一堆猫和狗的照片，有监督学习要人先标好哪张是猫哪张是狗，无监督学习自己就能分出来。 就这么简单的事，之前没人敢大规模玩。为什么？

藏在参数卷不动背后的生意

说白了，无监督学习短期不讨好。 你堆标注数据，三个月就能把榜单分数涨两个点，给投资人汇报好看，拿融资顺。你搞无监督，可能熬大半年，分数才涨一个点，老板都不愿意等。

不过话说回来，最先熬出来的国内厂商，已经吃到甜头了。字节跳动从2023年开始，就把抖音平台每天新增的上亿条未标注视频、标题、评论，全部扔给无监督模型做预训练，没花一分钱人工标注。到2025年年底对外公布的测试结果，相同参数下，模型效果比全标注预训练高12%，训练成本直接降了47%。 这个账算下来，一年能省好几个亿的标注费。

我一直觉得，现在的大模型竞争，就像生物进化。有监督学习是人工选种，你要什么性状我就给你标出来，定向筛选，看起来高效，其实框死了演化的空间。无监督学习是自然进化，扔到海量原始环境里，自己摸规律找方向，就像寒武纪生命大爆发，你不知道哪个变异会成气候，最后活下来的，适应能力反而比人工选出来的强太多。 这就是跨行业的规律，对吧？

国内厂商之前一直跟着OpenAI的路径走，人家做有监督微调，我们就堆标注团队。但是没人想过，我们最大的优势，本来就是海量的未标注原生数据啊。 中国有超过10亿网民，每天在短视频、社交、电商平台产生的原始语料、图像、视频，加起来每天超过百亿token。这些数据之前大部分都躺在硬盘里落灰，因为没人花钱去标。现在无监督学习起来，这些废数据直接变成了黄金。

这就是商业模式的博弈。小厂要活下去，要融资，必须拼短期刷榜，只能接着堆标注，把自己拖死。大厂有资本熬，押注无监督，提前把赛道占了，未来十年的优势就出来了。 这个方向我认为，绝大多数跟风的小厂都走偏了。为了拿融资赚快钱，把所有钱砸在标注上，根本没有积累自己的无监督技术能力，最后只能被淘汰。

每个AI从业者都要面对的转向

无监督学习不是大厂的独享游戏，它的影响会渗透到产业链的每一个角落，砸到每个普通人的饭碗上。

先说最直接的标注行业。国内现在有超过两百万的标注从业者，大半在三四线城市，靠着给AI标数据每个月赚三四千块钱糊口。未来三年，至少80%的基础标注工作会被无监督模型自己搞定，不需要人工了。 你没看错，不是未来十年，是三年。很多厂已经在用无监督模型生成标注，给下游任务用，准确率比人工标还高5%，成本不到十分之一。

然后是算法工程师。之前找AI工作，你会调参，会整理标注数据就能拿高薪。现在不一样了，招聘网站上，无监督学习方向的算法岗，起薪比同级别有监督方向高35%，还抢不到人。整个行业的能力要求已经转了，你跟不上，就只能被挤出去。

当然也有新机会。之前很多垂直领域，比如医疗影像、工业质检，标注成本高到吓死人。一张肺癌CT片子，要副主任医师级别的人标，一张要五千块，训一个能用的模型要几百万标注费，中小创业公司根本玩不起。现在用无监督学习，拿几十万张未标注的片子就能训出达到临床要求的模型，成本降到原来的十分之一，很多小公司也能入场分蛋糕了。 说实话，我接触过很多垂直领域的创业者，之前都卡在标注成本上，现在眼睛都亮了，说终于等到这一天了。

当年移动互联网转型的时候，很多靠着PC流量吃饭的老玩家没转过来，直接没了。现在AI从有监督往无监督转，原来靠着标注生意吃饭的既得利益者，会第一个倒下吗？